Guia completa de mostreig, tipus, variables i errors en investigació

Concepte i fases del mostreig

Mostreig: Tècnica que consisteix a definir la població objecte d'estudi i les seves característiques dins de la població. La finalitat és analitzar els elements de la mostra, obtenir informació que s'hagi definit com a útil per a l'objectiu de la investigació i extrapolar la informació a la població, si considerem que la mostra és representativa de l'univers.

Avantatges del mostreig

• Estalvi de temps, ja que no hem d'analitzar tots els elements de la població.
• Estalvi de recursos econòmics i humans.

Conceptes clau

• Univers / Població: Conjunt finit o infinit a estudiar. Les unitats que la componen poden ser persones, famílies, llars...
• Unitat mostral: Cadascun dels elements que componen la població i que es troben disponibles per a la seva selecció.
• Marc mostral: Per seleccionar una part representativa de la població serà necessari disposar d'informació sobre les característiques. Està constituït pel corresponent registre de les unitats.
• Mostra: Conjunt d'unitats seleccionades per al seu anàlisi entre el total d'una població.

Fases del mostreig

1. Definir la població.
2. Identificació del marc mostral.
3. Determinar el mètode de mostreig.
4. Determinar la mida de la mostra.
5. Selecció de les unitats mostrals.
6. Decisió d'estrictament sobre la falta de respostes per part de les unitats mostrals.

Tipus de mostreig

1. Mostreig aleatori o probabilístic

• Aleatori simple: Partim d'una llista numerada dels elements que componen la població. Amb un procediment a l'atzar es seleccionen els elements necessaris per assolir la grandària necessària de la mostra.
  • Avantatges: Mètode de mostreig senzill i de fàcil comprensió. Permet el càlcul àgil de mitjanes i variances. Respecta els criteris de selecció propis de l'estadística, la qual cosa permet l'ús de paquets informàtics per a l'anàlisi de dades.
  • Inconvenients: Requereix disposar d'un llistat i actualitzat de la població a treballar. Quan es treballa amb mostres petites hi ha la possibilitat que aquesta no representi a la població adequadament.
• Sistemàtic: Partim d'un llistat d'elements que componen la població. Es seleccionen les unitats partint d'uns intervals preestablerts.
• Estratificat: Implica la divisió de la població en estrats (petits grups homogenis) atans als diversos criteris que tinguin relació amb l'objectiu d'investigació.
• Per conglomerats: Es divideix la població en grups heterogenis en base a les diverses variables d'interès d'anàlisi de la població. Seleccionem aleatòriament algun grup i contactem amb els individus que l'integren. En el cas que la divisió coincideixi amb l'àrea geogràfica, parlem de mostreig per àrees.
• Per rutes aiatòries: Aquest mètode està basat en la selecció d'elements d'una mostra dins d'una ruta, l'inici de la qual serà determinat aleatòriament en un punt de la seva àrea geogràfica. En aquest mètode, l'encarregat de fer les preguntes tindrà unes instruccions concretes pel que fa als carrers que haurà d'escollir.

2. Mostreig no probabilístic

• Per conveniència: No es pot assignar un error mostral. Selecció de les unitats atents als criteris definits per l'equip d'investigació. Selecció atenta a aquells individus que siguin més fàcils de capturar. La mostra no es podrà considerar representativa en termes de probabilitat i error.
• Per judici: L'equip determina els elements susceptibles d'integrar a la mostra. Es seleccionen aquells que creuen que poden proporcionar un major volum d'informació rellevant.
• Per quotes: Divisió de la població en grups atents a aquells caràcters que l'equip considera rellevants. Un cop classificat, s'assignen valors proporcionals que presenta l'atribut. L'encarregat de fer les preguntes té la llibertat d'escollir els individus, sempre respectant la proporció.
• En bola de neu: Selecció d'un grup inicial que reuneixi característiques d'interès plantejada a la investigació, amb la finalitat que, a més de d'obtenir informació, identifiquin a altres individus amb aquesta característica. L'usem amb població minoritària o difícilment accessible.

Variables i conceptes estadístics

Variable: Fenòmens produïts o existents a la població i els successos dels quals poden ser concretats en termes numèrics. Resultats = Valors.

Atribut: Fenòmens que s'expressen a través de qualitats o caràcters no mesurables numèricament. Resultat: Modalitats d'atribut.

Paràmetre: Valor que serveix per descriure de forma resumida les variables i atributs estudiats a la població.

Estadístic: Valor que serveix per descriure de forma resumida les variables i atributs estudiats a la mostra. L'emprem per estimar el valor del paràmetre a la població.

Error mostral: Discrepància entre el valor del paràmetre desconegut i el valor de l'estadístic de la mostra.

Interval de confiança: Rang de valors entre els quals ha de trobar-se el veritable paràmetre de la població, per a un nivell de confiança prefixat.

Nivell de confiança: Probabilitat que el paràmetre de la població es trobi dins de l'interval de confiança calculat a partir del valor estadístic de la mostra.

Error absolut: Diferència màxima que estem disposats a assumir entre el verdader valor i el paràmetre i el valor estimat.

Inferència estadística: Realització de prediccions del que succeeix a la població estudiant una part de la mateixa. Com que no fem l'estudi de la població total, les prediccions estan subjectes a error.

Mida de la mostra i errors

Criteris per calcular la mida de la mostra

1. Segons el tipus de fenomen: Tenir en compte si es tracta de variables o atributs (posar definició).
2. Mida de la població:
   • Població finita: Fins a 100.000 elements. Tenim en compte la mida de la població.
   • Població infinita: Més de 100.000 elements. No tenim en compte la mida de la població.

Error de mostreig: Diferència entre valors obtinguts de la mostra i els que s'haurien obtingut treballant amb la població total. Com més gran és la mostra, menor és la probabilitat d'augmentar l'error. Es decideix prèviament per l'equip d'investigació (error mostral i no mostral).

Dispersió poblacional: Com més gran és la variabilitat, major és la mida de la mostra. Molt difícil determinar la variabilitat, s'acostuma a considerar la dispersió més favorable.

Nomenclatura estadística

• Proporció sí = π
• Proporció no = 1 · π
• k = Curtosi (nivell de confiança)
• e = Error de mostreig
• o = Desviació típica

Tipus d'errors en la investigació

Error mostral

Imprecisió que succeeix a l'hora de fer prediccions sobre una característica o paràmetre de la població a través de l'estudi de la mostra. Podríem dir que és el peatge per només estudiar una mostra. L'equip d'investigació determina el nivell d'error a acceptar.

Error no mostral

Són errors que es produeixen en el procés d'investigació i no varien al augmentar la mida de la mostra. Són errors comesos pel propi equip d'investigació.